一种基于深度特征融合的可解释性12导联心电图自动诊断模型研究
卢学麒1
陈华元2
吴秋岑1
温耀棋1
刘国光3
陈超敏1
1.南方医科大学生物医学工程学院,广东 广州 5105152.广州南方医疗设备综合检测有限责任公司,广东 广州 5105153.广东省医疗器械质量监督检验所,广东 广州 510663
摘要：目的 提升12导联心电图(ECG)自动诊断的准确性和可信度.方法 提出了一种基于深度特征融合的12导联ECG自动诊断模型(MRHL-ECGNet).该模型包含多尺度特征提取前端、ResNet-34、全局特征混合模块及时间序列分析模块,首次将Hyena Hierarchy卷积算子应用于12导联心电图自动诊断任务中,以高效捕捉ECG中的长程依赖关系,并显著降低模型计算复杂度.同时采用基于积分梯度(IG)的可解释性分析技术,实现MRHL-ECGNet决策依据可视化.使用CPSC2018数据集对MRHL-ECGNet进行训练和测试,并采用多项定量评价指标与评估实验对MRHL-ECGNet进行全面评估.结果 在测试集上对9种类别ECG的分类任务中,MRHL-ECGNet的准确率、AUC值、F1分数、精确率和召回率分别达到0.972、0.983、0.864、0.873和0.857,均优于其他对比模型,且在GPU上对单样本输出诊断结果所需的时间为0.007s,在CPU上也仅需0.156s,内存占用为67.196MB.结论 本研究提出的MRHL-ECGNet不仅具有卓越的分类性能,还具备轻量化及可解释性的特点,在临床ECG辅助诊断中具有较高的应用价值.
关键词：心电图自动诊断深度学习Hyena Hierarchy卷积算子模型可解释性
资助基金：国家重点研发计划(2023YFC2414500)国家重点研发计划(2023YFC2414502)
论文发表日期：2026-01-20
在线出版日期：2026-01-22（本平台首次上网日期，不代表文献的发表时间）
页数：11( 208-218 )
英文信息